图像处理是光学、电子学、数学和计算机技术的交叉学科，在众多科学与工程领域有着重要应用。不适定性问题是图像处理与视觉计算中存在的共性的问题，需要从退化的图像中恢复或重现目标信息，常导致视觉计算同时存在多个解。这就需要进行适当的选择，在分析问题时引入先验约束，从而使得到的解符合实际的需要和适当的准则。近年来随机场方法在图像处理领域获得广泛应用，它提供了一个可正确利用先验知识、按统一理论分析框架解决不适定的视觉问题的有效途径。　　 基于随机场的图像处理方法具有如下优点:它具有较为完备的数学理论，提供了解决图像分析问题的统一的处理框架，充分利用了局部视觉信息的上下文约束关系，可以综合计算机视觉中各类模块的处理结果，可以在图像不同部分同时计算，能实现大规模并行算法，可以为多分辨率计算提供基础，在不影响全局收敛性的基础上提高计算速度。目前基于随机场的图像处理方法应用涉及图像恢复与重建、边缘检测、图像分割、模板匹配、纹理分析、视频分析等诸多方面，具有广泛的应用前景。它也是目前图像处理中的研究热点之一，具有重要研究价值。　　 本文研究了随机场模型的基本理论和基于随机场的图像处理方法，总结了其在图像处理中应用的一般步骤。分析了基于马尔科夫随机场(MarkovRandomField，MRF)的图像降噪方法，并与中值滤波和Wiener滤波方法进行比较，结果显示基于MRF的图像降噪方法具有更优的结果，抗噪性能更强，降噪图像的峰值信噪比更高。针对传统MRF固定邻域的不足，提出一种新的MRF的线型可变邻域结构模型，该结构具有细分的线型特征，较为充分的考虑了可能的8个方向上的图像组成，并为其设计了部分加权的先验能量模型，对图像上下文信息进行建模。根据像元的局部特性，选择适合该像元的邻域形状，将邻域的选择和图像标记结合在一起，通过迭代优化得到图像分割结果。实验证明本文方法取得了较好结果。